其他
【精彩论文】基于时间序列的电能表月故障数预测方法
引文信息
李媛, 郑安刚, 谭煌, 等. 基于时间序列的电能表月故障数预测方法[J]. 中国电力, 2020, 53(6): 72-80.LI Yuan, ZHENG Angang, TAN Huang, et al. A new method for predicting the monthly fault number of watt-hour meters based on time series[J]. Electric Power, 2020, 53(6): 72-80.
内容摘要
针对当前国网信息系统中电能表故障预测模型比较简单、不够全面和没有具体电能表月故障数预测模型的问题,基于时间序列建立综合时间序列预测模型,实现对批次电能表月故障数较准确的预测。首先计算电能表月故障数的移动平均序列,去除微小波动;然后根据序列是否有明显长期趋势,选用ARIMA模型或指数平滑模型对移动平均序列进行预测;最后采用反向移动平均,实现对整个批次电能表月故障数准确的短期预测。通过与BP神经网络模型的预测进行对比,验证了综合时间序列模型的实用性和准确性。在此基础上,建立电能表月故障总数预测模型。计量资产管理部门可以根据所提方法对故障电能表数进行预测,根据预测结果进行备货,提高管理部门的资源配置合理性和工作效率。
往期回顾
◀【精彩论文】基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测
◀【精彩论文】基于t-SNE流形学习与快速聚类算法的光伏逆变器故障预测技术
◀【征稿启事】“能源安全新战略路径设计与规划推演关键技术”专栏征稿启事
编辑:杨彪
审核:蒋东方
根据国家版权局最新规定,纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品,转载时要包含本微信号名称、二维码等关键信息,在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。